数字经济、房价波动与居民消费结构

雷淑琴, 徐昊, 马丽君

(1.郑州航空工业管理学院 商学院，河南 郑州 450015；2.中国财政科学研究院 研究生院，北京 100142)

“十四五”规划指出，要全面促进消费，增强消费驱动对经济发展的基础性作用，顺应传统消费，培育“数字+医疗”“数字+文旅”“数字+零售”等新型消费业态。然而，近年来，我国人均社会消费品零售总额增速逐年下降，消费驱动对经济增长的助力作用逐年减弱，与之伴随的是我国房价走势持续上涨，2019年我国平均房价高达每平方米10 187.90元，较2014年房价增长54.69%(1)数据来源于WIND数据库。逐年上升的居住成本和逐渐放缓的居民收入，抑制了居民消费结构优化的进程，挤占了消费升级的剩余空间[1]。随着数字经济的发展，一方面，我国经济增长模式逐渐由要素驱动转向数据驱动，非物质化的生产、消费模式逐渐普及，这将降低传统市场交易主体对土地、房屋的实际需求，有利于降低房价；另一方面，数字经济发展突破了传统经济发展模式中固有的时空限制，降低了创新创业的技术与资本投入门槛，有利于推动技术创新与产业结构优化升级，其所产生的“总部经济效应”反而可能吸引更多劳动力流入，进而拉高本地区和相邻地区房价。综合数字经济对房价可能存在的正负两效应，我国当前数字经济发展是否能够平抑房价趋势，进而有利于居民消费结构优化升级？数字化拉近不同省区市间经济关系，在空间溢出效应背景下，数字经济、房价波动与居民消费结构间又会呈现何种关系？上述两类问题是本文研究的重点。

一、文献综述与假设提出

(一)数字经济影响居民消费结构的效应与机制

近年来，我国学者们主要研究了以互联网为主的 ICT 技术发展对居民消费结构的影响效应与相关机制，认为互联网发展有利于优化居民消费结构，对数字经济发展对居民消费结构间关系并未进行系统的实证检验。刘湖等实证研究发现，互联网发展能够突破传统购物模式中存在的时空约束，推动城乡居民消费结构由生存型向发展型和享受型转变[2-3]。汤才坤通过实证研究发现，“互联网+”水平的提升能够显著刺激居民消费和优化居民消费结构，当前我国乡村地区固定宽带覆盖程度不足，台式和笔记本电脑购置成本远高于移动电话，因而移动电话普及率在驱动乡村居民消费结构转型方面作用更为明显[4]。向玉冰研究结果显示，互联网发展不仅对城乡居民消费结构起到了显著的优化作用，而且互联网发展对城镇居民消费结构的优化作用较乡村居民更明显[5]。有学者认为，网上消费模式可以凭借便利性和更加公开透明的竞争性价格机制刺激居民消费和提高居民的收入利用效率[6]。此外，还有学者就互联网发展对居民消费结构的影响机制进行了分析，如宏观层面，互联网主要通过优化产业结构和缩小城乡收入差距推动居民消费升级[7]；在微观层面，学者们提出互联网的发展可通过降低交易成本[8]、缓解信贷约束[9]、降低商品价格和丰富商品种类[5]等机制优化居民消费结构。这些机制大多偏向于总体上从居民收入、商品供给以及交易成本角度描述互联网发展优化居民消费结构的内在动力。

基于上述研究，本文提出如下假设。

假设1：数字经济的发展对优化居民消费结构有着显著的促进作用。

(二)数字经济影响房价的效应与机制

本文将数字经济对房价影响效应分为正负两种效应。

一方面，与传统互联网技术局限于通信和消费端的发展模式不同，数字经济实现了ICT技术与传统产业深度融合，产业结构的优化和技术创新趋势愈加明显，而地区技术创新会导致人口集聚进而提高住房价格。魏成龙等研究发现，互联网的发展提升了各区域的科技创新能力和创新服务水平[10]，而互联网发展带来的科技创新水平提升将有利于地区人口集聚[11]。受制于土地供给的稀缺性约束，人口集聚虽然有利于实现规模经济和范围经济，进而获得更高的生产和生活收益，但是也会带来更高的居住成本[12]。张莉等[13]实证结果表明，过度的房价上涨会降低居民的可支配收入，弱化居民消费结构，挤出部分收入较低的居民。左鹏飞等研究发现，互联网与城镇化融合发展能显著促进地区内产业结构高级化和合理化[14]。刘嘉毅等通过实证研究表明，无论是产业结构合理化还是产业结构高级化，都会显著推动房价上涨[15]。韩昊英等进一步有针对性地就浙江省互联网公司聚集状况与当地房价波动情况进行实证分析，结果表明，互联网公司集聚程度越高的地区，房价波动越剧烈，上涨幅度越高[16]。

另一方面，数字经济发展突破了传统的生产要素体系，数据凭借着可复制、可分享和跨域传输等性质可以突破稀缺性资源的约束[17]，厂房和传统生产资料的投入不再是企业可持续发展的必要条件，这反而会降低企业对土地、房屋的实际需求，有利于稳定房价走势。此外，数字化水平的提升深刻改变了区域间、行业间以及生产者和消费者之间的互动关系，打破了时空隔阂[18]，即使居住地点远离商业中心，居民仍可以通过数字化平台获取到很多与商业中心同类型的产品与服务，如此看来，数字经济的发展也能够平抑由于技术创新和产业结构变迁导致的在发达地域形成的人口过度集中趋势，进而有利于减缓高位房价的影响。

基于上述分析可知，数字经济对房价波动影响效应最终依赖于以下两个因素。

一是区域间“数字鸿沟”水平。“数字鸿沟”主要涉及数据可接触性和数据应用能力两方面，如果一个地区居民数据可接触性越高且数字化技术应用能力越强，其生产、交换、分配及消费模式的数字化转型水平越高，越能够摆脱对实体环境的依赖性，进而有利于降低商品房价格。当区域间“数字鸿沟”水平位于高位时，发达地区数字经济发展会形成更为明显的总部效应，吸引更多劳动力流入本地区。

二是产业数字化发展水平。当前我国产业数字化呈现明显“三、二、一”产业逆向渗透趋势[19]。制造业对实体资本的依赖性最强，但是该行业当前数字化增加值部分占比还不足20%(2)数据来源于《2020年数字经济发展与就业白皮书》。，而原材料、生产工艺和人力资本红利受到极强的时空约束，且经济相对欠发达地区土地稀缺程度也相对较低，无法充分发挥数据对传统要素的替代效应以及区域间产品和服务的共享效应，难以降低企业生产对土地厂房的依赖性，反而不利于抑制房价上升。对此，结合假设1和上述文献研究，本文提出如下假设。

假设2：数字经济的发展能够通过影响房价波动进而影响居民消费结构转型，但是影响路径的具体效应取决于当前区域间“数字鸿沟”和地区产业数字化水平。

(三)数字经济具备空间溢出效应

新地理经济学提出，技术创新能力较强的企业和行业会在部分发达地区集聚，形成“总部经济效应”，带动其他地区尤其是相邻地区的劳动力和资本等生产要素流入，推动本地区房价上涨；同时，流动人口会由城市中心逐步向周边外围区域扩散，进而带动周边城市房价上升。数字经济虽然具有跨界共享、互联互通的本质特征，但由于区域“数字鸿沟”和数字经济产业间渗透不均衡，客观上仍存在“总部经济”，其在促进区域科技创新的同时拉大了区域间的创新产出差距[14]。此时数字经济将会提高总部地区及其相邻地区的房价，进而抑制居民消费结构优化升级。

反之，若区域间“数字鸿沟”处于低位，一方面数字经济可以通过核心要素替代跨界技术和服务共享来降低区域间差异，弱化总部地区的人口集聚效应，平抑总部地区及其相邻地区人口流入导致的房价增长；另一方面可以通过有效利用数字经济的“干中学”效应加大发达地区技术溢出的扩散范围[20]，推动欠发达区域内和区域间优质要素匹配与优化整合。数字经济与产业数字化加速融合，实现邻近地区的高质量创新和产业结构变迁[21]。基于诱致性创新理论，实现用科技创新弥合房屋、土地等稀缺资源的不足，可主动弱化相邻地区的房价增长，将更多中低收入居民从“房奴式”消费转变为“自我提升式”消费，同时弱化高收入群体的房屋“财富效应”，提升社会整体消费倾向。张俊英等通过建立空间杜宾模型检验得出电子商务发展降低了区域间交易成本，在发达地区与非发达地区间建立了信息传递机制，能够促进技术共享与产业集聚，呈现明显的空间关联性[22]。Grossman et al.研究表明，知识和技术的扩散效应的高低依赖于接受区域的信息接受度、知识水平与处理能力，自身创新能力和技术水平基础良好的地区受发达地区技术溢出的扩散效应越明显[23]。基于此，本文提出以下假设。

假设3：数字经济发展不仅对本地房价和居民消费结构产生影响，还通过空间溢出效应影响邻近地区房价和居民消费结构。

通过理论分析发现，数字经济可以对直接物质要素投入需求产生替代作用，进而减少经济活动对房屋、建筑和土地的需求，降低房价。此外，数字经济会通过间接渗透效应赋能地区产业优化升级，增强中心地吸引力，提高人口和产业在中心地的集聚程度，增加住房市场需求压力。数字经济直接影响作用的发挥依赖于“数字鸿沟”的解决、数字技术的深度赋能。区域间经济差距越大，结构矛盾越突出，中心地数字经济的发展导致更为明显的人口和产业集聚，进一步增加回波效应，提升住房价格。随着经济不断发展，配套区域间结构性优化政策作用日益突出，数字经济的回波效应将逐步减弱，经济发展对区域间结构性矛盾影响的“倒U型”关系将逐步显现。数字经济是否能通过房价机制优化我国居民消费结构，短期财政政策与中长期区域结构性优化政策能否更好地降低数字经济的回波效应，本文需进一步分析。

二、模型构建与变量选择

(一)模型构建

根据上述文献综述可以发现，数字经济发展加强了省际经济互动的空间相关性，因而本文使用空间计量模型来分析数字经济、房价波动与居民消费间经济关系。Anselin et al.将空间计量模型分为空间自相关模型(Spatial Autoregressive Model,SAR)与空间误差模型(Spatial Error Model,SEM)两种形式[24]21-74。前者适用于变量的空间依赖性对模型估计结果非常关键而形成空间相关性情况，后者适用于计量模型中的随机误差项呈现空间自相关的情形。

(1)

(2)

μit=θWμit+εit

式中：lny为被解释变量的对数形式，本文被解释变量依次选用平均售房价格和居民消费结构；lnx为核心解释变量数字经济水平的对数形式；lnG为控制变量的对数形式；μ和ε皆为随机误差项；j为第j个控制变量；i为第i省区市；t为t年份。

式(1)和式(2)分别为使用空间自相关模型(SAR)和空间误差模型(SEM)所列方程。其中，W为空间权重矩阵，依据31个省区市的相邻情况进行赋值，相邻地区赋值为1，否则为0；θ为空间误差系数，ρ为空间自回归系数。

(二)变量选择

考虑到我国当前各省区市数字普惠金融指数是从2011年开始统计，而且绝大多数省区市变量目前仅统计至2019年，因而本文选用2011—2019年我国31个省区市的面板数据进行研究，原始数据分别来源于《北京大学数字普惠金融第三期(2011—2020)》、国家统计局分省年度数据、CSMER数据库,其中房价数据来源于WIND数据库。

1.核心解释变量

关于数字经济水平(x)，本文借鉴赵涛等的做法从互联网发展和数字普惠金融两方面对数字经济水平进行衡量，分别选取互联网普及率、移动电话普及率、人均电信业务收入、城镇单位中计算机服务与软件业服务人员占比以及数字普惠金融指数作为衡量指标[25]。由于当前互联网普及率统计数据截止到2016年，无法反映最新年份的发展状况。基于此，本文借鉴刘军等的互联网发展指标选取方式，选用互联网宽带接入用户率代替[26]。以上数据本文借鉴辛冲冲等的做法，选用改进的熵值法进行赋权[27]，具体权重结果见表1。

表1 数字经济发展综合指数指标体系的组成与权重分配

2.被解释变量

3.控制变量

本文借鉴彭文斌等与蒋艳辉等的做法[29-30]。选取以下指标作为控制变量。

第一，经济发展水平(c1)，选取中国各省区市人均GDP作为衡量指标。经济发展水平对居民消费水平有着显著的促进作用。一方面，依据凯恩斯绝对收入理论，居民人均收入的增长可以显著提高居民消费水平，经济发展水平越高人均GDP水平越高，越能够促进消费扩张；另一方面，经济发展水平越高，产品的生产规模和生产质量越高，可供居民选择的消费品范围越广，可以显著提高居民消费倾向，进而促进居民消费扩张。

第二，产业结构变迁(c2),选取第三产业增加值与第二产业增加值的比值表示。服务业越发达，产业结构优化程度越高。一方面，服务业发展规模越大，劳务供给规模越大、种类越多，人力资源需求的提升能够显著提高居民收入；另一方面，服务业的发展能够赋能制造业的发展，从而优化产品供给质量，进而提高居民消费倾向。

第三，财政集中度(c3)，使用财政预算收入占GDP百分比表示。财政集中度决定了政府提供公共物品和公共服务的能力，可以满足私人市场难以提供的公共需求。基础设施和基本公共服务的运作具备很强的外部经济和规模效应，能够优化调整居民收入分配结构，影响居民消费倾向。

第四，外贸依存度(c4),采用年平均汇率折算的进出口总额与GDP比值衡量。外贸依存度越高，对外开放程度就越高。产品选择和生产优势不局限于本国市场，产品供给范围和供给质量水平极大提升，可以极大地提高居民消费倾向。

第五，房地产投资(c5),选用各省区市房地产企业开发投资完成额表示。房地产投资水平的提升会促进房地产供给能力的提升，有利于提高住房供给规模，降低住房市场价格，提高居民消费能力。同时，房地产投资水平的提升也可能导致居民消费能力下降。如果房地产商开发的住房多为地价较高、住房环境优越和居住面积更大的商品房，而忽视中低收入群体的购买能力，反而导致住房投机行为盛行。

第六，交通基础设施水平(c6)，选用人均公路里程数表示。交通基础设施增进了地区间联系，提高了物流效率，能够降低居民选择适宜产品的交易成本，促进居民消费扩张。

4.中介变量

房价水平(m)，本文选取房屋平均销售价格表示。

上述变量的描述性统计见表2。

表2 描述性统计

三、实证结果与分析

(一)空间自相关检验

在进行空间溢出效应的估计之前，必须就数字经济水平、居民消费结构以及房价的空间相关性进行检验。本文采用当前学术界广泛适用的莫兰指数法对2011—2019年上述变量的空间溢出效应进行检验，具体检验结果见表3。由检验结果可以看出，在邻接矩阵下，2011—2019年我国数字经济水平、三大类型人均居民消费支出以及房屋平均销售价格的Moran’s I值皆为正且通过了5%显著性水平检验，这表明我国各省区市数字经济水平、居民消费结构以及房价波动整体上呈现显著的空间集聚效应。

表3 相关变量的Moran’s I指数统计

(二)实证结果与分析

由于模型的Hausman检验皆显著，拒绝了支持随机效应模型的原假设，因而本文在表4—5中只列示了固定效应的估计结果。同时考虑到居民消费结构和房价波动都受到时间趋势项的影响，本文在表4—5全部模型中同时控制了个体和时间固定效应。由于SEM模型并未对主要影响效应进行偏微分解释，而且为了验证实证结果的稳健性，本文对相同模型估计同时引入双向固定效应SAR模型和SEM模型进行比较分析。

表4 数字经济对居民消费结构的影响效应

表5 空间溢出效应下数字经济通过房价机制影响居民消费结构的实证结果

1.基准回归

本文首先研究数字经济对居民消费结构的影响效应，表4列举了SAR模型和SEM模型估计结果。结果显示：人均生存型消费支出、人均发展型消费支出以及人均享受型消费支出的空间自回归系数(spatial rho)和空间自相关系数(lambda)的估计结果皆为正且通过了1%显著性检验水平，表明这三项指标皆存在明显的空间正相关性。

经过比较模型(1)—(6)中数字经济水平对居民消费结构的回归系数，本文发现无论是SAR模型还是SEM模型，回归结果皆具有稳健性。从回归结果可以看出，本地区数字经济发展不仅显著减少了本地区居民人均生存型消费支出、增加了居民人均发展型和享受型消费支出，而且临近地区数字经济发展对本地区居民消费结构也产生了同样的影响，有利于通过地区间相互影响加速本地区居民消费结构的优化升级，证实了假设1和假设3部分的存在性。值得注意的是，数字经济发展使得居民发展型消费支出偏好明显上升，无论是在SAR模型还是SEM模型下，本地区数字经济发展对本地区人均发展型消费支出的驱动作用都至少为人均享受型消费支出的1.7倍。由于当前我国居民收入差距大的问题依然突出，2019年我国整体基尼系数为0.468，依据田卫民方法计算得出，位列联合国标准中的较大差距档次[31]。一个人的社会地位往往与居民财富和收入情况密切相关，在示范效应的影响下，收入较低的居民会产生向收入较高居民消费条件看齐的心理，提高自身社会地位欲望更为强烈，进而使得居民的发展型消费支出偏好更为明显。但是相邻地区的数字经济发展对于本地区发展型消费的促进作用小于对本地区享受型消费的促进作用，与区域内的直接效应作用结果相反。原因可能是相邻地区数字经济的发展使得本地区和相邻地区的要素结合更加紧密，经济相互渗透的省际间壁垒作用弱化，经济互动加强，中心功能区的辐射作用更强，提高了本地区居民交通和通信方面的消费支出。

2.中介机制检验

从空间相关性角度来看，人均生存型消费支出、房价水平分别在表5模型中的空间自回归系数(spatial rho)和空间自相关系数(lambda)的估计结果皆为正且通过了5%显著性检验，这表明二者皆存在空间正相关性，即相邻地区居民生存性消费支出、房价水平越高，会通过空间溢出效应提升本地区的相应指标水平。高房价的形成往往是以高附加值的公共服务、公共产品、科技水平以及就业和生存环境为前提支撑，经济越发达的地区对劳动力的吸引力越强，人员集聚程度越高，对房价的冲击越为突出。我国当前一些发达地区的房价水平已经远远超出了部分中低收入居民的承受能力，但是为了享受高附加值的服务、产品以及就业机会等，这部分居民往往会选择在周边城市购置或者租赁房屋，导致周边地区房价上涨。

研究数字经济如何通过房价影响居民消费结构，以验证假设2的准确性。本文在表4的模型(1)和模型(2)中进一步引入房屋平均销售价格这一变量，具体实证结果见表5模型(7)和模型(8)，lnm变量的引入使得初始方程(表4模型(1)和模型(2))中各效应类型的数字经济水平回归系数的绝对值和显著性有所下降，但仍旧分别在负向1%和5%水平上显著，这表明在充分考虑房价波动影响的经济环境下，数字经济发展依旧能显著抑制居民生存型消费，为居民发展型消费和享受型消费的增长提供了发展空间。同时，各类型效应中房屋平均销售价格的影响系数皆显著为正，表明不仅是本地区房价的上升会增加居民生存型消费支出、抑制本地区居民消费升级，邻近地区的房价上升也会对本地区的居民消费结构产生负面影响。对此，本文可以判定房屋平均销售价格在数字经济抑制居民生存型消费的影响路径中起到部分中介的作用，且该项影响路径还具备明显的空间溢出效应，进一步证明了假设2和假设3的准确性。相邻地区房价上升对本地区居民生存型消费产生了显著的促进作用，可能的原因在于中心城市的产业周边转移、人口持续净流入增加了邻近地区的房屋购置和租赁需求，进而增加居民住房消费支出。

在此基础上，本文在表5模型(9)—(10)中呈现了数字经济对房价水平的实证结果，结论显示无论主效应、直接效应还是间接效应，数字经济的回归系数都显著为负，表明本地区和相邻地区的数字经济发展均对本地区房价产生显著的抑制作用，有力地证明了房价中介作用的存在，房价是影响数字经济和居民生存型消费支出的重要中介。由于上文研究发现数字经济能够通过“要素替代”和“产业转型与创新赋能”两类路径影响房价波动且分别会对房价呈现抑制和促进效应，影响路径的具体效应取决于当前区域间“数字鸿沟”和地区产业数字化水平，实证结果表明当前我国无论是本地区数字经济发展还是相邻地区数字经济发展均有利于平抑本地区房价，说明目前我国数字经济对房价波动产生的抑制效应要明显大于促进效应，即我国当前地区间“数字鸿沟”水平已经逐步降低，产业数字化融合水平正在加深，这主要与我国近年来逐步重视区域一体化发展战略相关，如陕西省、贵州省和内蒙古自治区虽然位属经济落后区域，但是伴随着西部大开发、民族区域自治以及中央转移支付制度等一系列优惠政策的颁布，发展数字经济的经济实力和要素匹配机制更加完善。中国数字经济发展与就业白皮书(2019—2020年)数据报告显示，2018年我国西北地区数字经济增速高达16.7%，显著超过京津冀和东北老工业基地的14.2%和11.3%，贵州省数字经济发展持续五年位列数字经济增速第一，陕西省2019年数字经济综合水平排名已经位于15强之内。可见，随着国家区域一体化战略的推进，我国区域间“数字鸿沟”正逐步弥合，而且随着网民规模逐步饱和，产业数字化作为驱动我国数字经济发展的核心引擎正逐步成为发展我国数字经济核心战略，上述战略的实施使我国数字经济对房价的抑制作用逐步凸显。

四、结论与政策建议

(一)结论

近年来高房价逐步成为制约居民消费结构优化升级的重要因素，同时数字经济发展深刻改变了经济发展模式，对房地产市场的供需机制产生了明显的影响。在既有理论和文献研究的基础上，本文研究发现数字经济能够通过“要素替代”和“产业转型与创新赋能”两类路径影响房价波动且分别会对房价呈现抑制和促进效应，但是影响路径的具体效应取决于当前区域间“数字鸿沟”和地区产业数字化水平。基于此，本文利用2011—2019年中国31个省区市面板数据构建空间计量模型，就数字经济、房价波动、居民消费升级三者的关系进行实证检验，结果如下。

第一，数字经济发展能够显著优化居民消费结构，在降低居民人均生存型消费支出的同时，显著提高人均发展型消费支出和人均享受型消费支出，且对发展型消费支出的促进作用更强；第二，数字经济对居民消费结构的影响也表现出明显的空间溢出效应，即本地区的数字经济发展优化了本地区居民消费结构，同时相邻地区的数字经济发展也扩大了本地区居民的发展型和享受型消费支出比重；第三，房价是影响数字经济和居民消费升级的重要中介，数字经济发展通过降低房价来降低居民生存型消费支出，为发展型和享受型消费支出拓展空间，具体表现为本地区和相邻地区的数字经济发展均会降低本地区的房价水平。

数字经济可通过“要素替代”和“技术和服务共享”发挥房价抑制效应，主要是由于当前区域间“数字鸿沟”的弥合以及地区间产业数字化程度不断加深，即产业数字化水平会进一步赋能“要素替代效应”而区域间“数字鸿沟”的弥合也能释放数字经济的“技术和服务共享”的普惠性，缓解人口单向流动导致房价上涨的非均衡发展局面。房价是影响能否释放潜在消费活力实现消费转型升级的重要因素，但是当前我国客观上仍存在数字经济带来的地区间创新产出差距和区域内第一、二产业融合缓慢的现实问题，如何缓解上述问题，防止数字经济的总部集聚效应逆转要素替代和普惠共享对房价的抑制作用应该纳入政府重点考量。

(二)政策建议

一是进一步弥合“数字鸿沟”，推进产业数字化模式向集约化方向转型。数字经济对房价波动的抑制性溢出效应依赖于产业数字化水平与区域间“数字鸿沟”大小，但是弥补“数字鸿沟”并不是单纯地提升信息基础设施的覆盖规模和数字化资本投入，应当在信息基础设施加快布局的同时，加大对如何有效运用数字基础设施，提升对居民数字素养的关注程度，居民数字素养真正决定了可能的地区间创新产出的差距和数字经济“干中学”效应。但是部分西部农村地区信息基础设施确实存在空白，客观上仍需要重视信息基础设施的全面布局，因此，政府在制定数字经济发展规划的同时还要在全国范围内开展数字技术培训。第一步要释放农业机械化设备的区域示范效应，提高土地集约化利用率和加快欠发达地区工业生产技术的更新换代，从总量规模上扩大区域产出，减少区域差异导致的劳动外溢；第二步要推动数字教育在中低收入群体内部普及，推进在线教育和其他成人教育同等学力转换机制，通过在线教育和现有多种形式的教育方式，多样化地在全面义务教育的基础上加快推进欠发达地区人力资本质量的提升，长期内提升本地区经济增长的潜在活力，降低住房的供需矛盾。

二是完善政策“组合拳”，因地适宜完善住房“限购”政策和房产税征管模式，让住房回归居住属性。高度重视高房价对一、二线城市居民消费的消极影响，严厉打击高收入群体通过购置多套房产谋取暴利的市场投机行为，创造社会良性实体经济的运转空间，构建国内大循环。基于此，地方政府要加强房产存量和增量管制。首先，要结合中央出台的房地产税试点文件政策要求，引入和完善家庭住房信息的数字化动态监管系统和监管制度，对本地区持有多套非居住用途房产的居民应征尽征。其次，要注重考虑到不同区域的房价波动与收益情况，定期通过政策效应评估(每半年)确定地区内部各细分区域，保障房价稳定的合理区间，同时由于房地产税的鲜明的地方税属性，试点地区应逐步探索是选择因地制宜进行税率调整还是选择地区集中统一划定适当税率的做法对实现调节居民收入差距、稳定房价的政策目标更为适用。最后，政府也要限制增量幅度。针对一、二线城市持有非居住用途多套房产的居民，政府可以在现有部分地区“限购”政策的基础上，阶梯式抬高多套非居住用住房的购置门槛，制定更为严格的配套审批制度。同时应加强各省区市的房地产联网信息查验机制，不同省区市最多可允许持有两套非居住用途房产，否则户籍信息所在地税务机关有权要求其余省区市税务机关配合，就其余省区市的应征税房屋加征房地产税，制度配套跨省区市的房地产税地区间税收收益分享机制，调动各地方主体的积极性。

三是弱化房价对居民发展型消费的挤出作用，进一步发挥居民发展型支出偏好对打造居民可持续创收动能的支撑作用。人力资本提升是居民获得稳定创收来源的重要路径。一方面，应当结合政府的限制房价政策，通过金融资本的可及性和普惠性降低房价对中低收入人群发展型消费的挤出效应，发挥支农支小再贷款等金融资本的扶持作用。另一方面，本文研究发现受到收入结构差异和示范效应的综合影响，我国当前居民有着明显的发展型消费支出偏好，这就要求在拓宽偏远落后地区获取发展型消费类型的渠道的同时，注重引导居民教育文化领域的相关支出，防止“泛娱乐化”对人力资本提升的低效或者无效影响以及加快知识成果转化。因此，除上文提及的数字教育的普及推广外，还应当鼓励各地区特色文化和产品输出、优质企业和偏远落后地区实行一对多的居民技能培训、以村级或者社区为单位开展定期技能培训和政策支持普及等配套政策实施，促进低收入群体探索出放心变革、主动变革、可行变革的创收途径。

四是严格发挥和贯彻跨周期政策调节的重要作用，兼顾数字化和政策机制的双重调节作用。短期内，数字经济发展会带动人才和要素集聚进而导致中心地房价迅猛上升，这虽然发挥了中心地的规模经济和范围经济的重要作用，但是房价的极大挤出效应增加了转移人口的支付压力，使得人们难以融入新环境。因此，中心地政府应加大对保障性住房的货币补贴，优先解决从事公共服务和研发创新转移人员的住房困难问题，尤其要注重数字经济融合人才的引入政策，也需要兼顾可以通过自身能力实现安居乐业的应届大学生、转移农民工等的利益。中长期内，调整中央对人口净流入地方的保障房补助力度，综合考察地方财力、人口净利润规模，明确对人口净流入大、财力小的地方给予优先政策扶持。此外，数字经济的发展一定要注重地区间均衡发展。长期以来，云端化交易、设施服务供给水平的深度上升能够全面提高数字化对中心地住房需求的削弱作用。政府要加大对于西部地区、农村地区人口数字素养、基础网络设施以及电子商务平台建设维护等转移支付和直接投资力度，发挥市场机制的重要作用。例如对西部数字化人才引进实施优惠的税收、财政补贴激励政策，引导数字化龙头企业快速融入“数字鸿沟”弥合项目。同时，“数字鸿沟”的解决还需要研发突破和创新引领的作用，目前我国数字化发展前中端建设滞后，仍局限于产业末端，需要加强产学研扶持、发挥政策协调作用。在各方利益的基础上实现以大带小，深入突破。

本文结合理论和实证发现，受到收入结构差异和示范效应的综合影响，我国当前居民有着明显的发展型消费支出偏好，更好的经济环境有利于提高居民发展型消费支出效率，优化居民收入结构。基于此，在当前区域间结构性差异较为明显的背景下，更应鼓励为流动人员提供满足基本居住需求的保障性住房政策，依据居民的不同收入水平、家庭组成情况以及财产状况提供适应的保障性住房形式。同时，数字普惠金融的发展不仅能够有效地动态监管居民收入和财产状况、降低信用风险和拓宽服务市场，而且数字化的运营空间降低了金融机构的运营成本，有利于为相关居民提供更为优惠的借贷政策。地方政府可以通过政府补贴、信用担保基金等手段，鼓励相关金融机构对流动人员提供与保障性住房相关的数字普惠金融服务，进一步缓解高房价对居民消费结构优化升级的制约作用。